本文针对变频器在实际应用中可能出现的一些故障，建立了一个以神经网络为基础的故障诊断系统。首先，本文运用MATLAB软件建立了变频调速系统模型来提取各种故障样本，然后结合神经网络，采用一种线性化的BP算法，对故障样本中所包含的故障信息进行分析和处理，从而判断出变频器的故障类型，以满足变频器故障诊断的需要，最大限度的降低损失。 由于变频器是一种高成本的装置，在生产中往往处于关键位置，它的安全与否直接影响到生产。所以变频器的可靠性至关重要。但是故障的种类繁多，如何在故障发生时及时发现出现的是哪一种故障，并进行处理，以防止故障的进一步扩大，就显得很关键。在这种情况下，就必须采用一些好的方法来对故障信息进行处理，以尽快、尽可能准确的进行故障诊断。 由于条件所限，无法得出故障情况下的各种故障信息，以作为故障诊断的基础，所以本文首先对变频调速系统在MATLAB软件中进行仿真，建立了变频调速系统的仿真模型。在此基础上，模拟了几种常见的变频器本身的故障，诸如开关元件的短路、开路等。并提取了故障信息一变频器的三相输出电流信号。运用傅立叶变换后，得到了故障情况下，电流的幅频特征信息，以此作为故障诊断的依据。此信息送入一个优化设计后的神经网络中，经此神经网络可判断故障发生的具体位置，从而减少故障维修时间，并为下一步处理提供依据。本文在变频器的故障诊断中首次采用神经网络进行诊断。利用了神经网络的自学习、非线性、联想等优点，从而使变频器运行更为可靠。 本文所采用的神经网络有严格的理论基础，经过了理论和仿真双重验证。在故障种类繁多的情况下，运用MATLAB程序准确地判断出哪一部分、哪一个开关元件出现了故障。具有很强的针对性。课题证明了在变频器中，应用神经网络来进行故障诊断是切实可行的，而且判断效果很好。